Çapraz deney karşılaştırmaları için hücre döngüsü senkron modelinin karakterizleştirici kaybı kullanılarak senkronize zaman serisi verilerinin hizalanması

Özet

Senkronize zaman serisi deneylerini analiz etmenin bir zorluğu, deneylerin genellikle senkronizasyondan ve hücre döngüsü periyodundan kurtarma uzunluğunda farklılık göstermesidir. Bu nedenle, farklı deneylerden elde edilen ölçümler toplu olarak analiz edilemez veya kolayca karşılaştırılamaz. Burada, faza özgü karşılaştırmalara izin vermek için deneyleri hizalamak için bir yöntem açıklanmaktadır.

Özet

Hücre döngüsünün araştırılması, genellikle, hücreler hücre döngüsünü geçerken bir zaman serisindeki çeşitli parametreleri ölçmek için hücre popülasyonlarının senkronize edilmesine bağlıdır. Bununla birlikte, benzer koşullar altında bile, tekrarlanan deneyler, senkronizasyondan kurtulmak ve hücre döngüsünü geçmek için gereken sürede farklılıklar gösterir, böylece her zaman noktasında doğrudan karşılaştırmaları önler. Deneyler arasında dinamik ölçümleri karşılaştırma sorunu, mutant popülasyonlarda veya senkron iyileşme süresini ve / veya hücre döngüsü periyodunu etkileyen alternatif büyüme koşullarında daha da kötüleşmektedir.

Daha önce, senkronize hücre popülasyonlarının senkronizasyondan nasıl salındığını ve hücre döngüsü boyunca nasıl ilerlediğini izleyen Hücre Döngüsü Senkron Kaybını Karakterize Etme (CLOCCS) adlı parametrik bir matematiksel model yayınladık. Modelden öğrenilen parametreler daha sonra deneysel zaman noktalarını senkronize zaman serisi deneylerinden normalleştirilmiş bir zaman ölçeğine (yaşam çizgisi noktaları) dönüştürmek için kullanılabilir. Yaşam çizgisi ölçeği, deneyin başlangıcından itibaren dakika cinsinden geçen süreyi temsil etmek yerine, senkronizasyondan hücre döngüsü girişine ve ardından hücre döngüsünün aşamalarına ilerlemeyi temsil eder. Yaşam çizgisi noktaları, senkronize edilmiş popülasyondaki ortalama hücrenin fazına karşılık geldiğinden, bu normalleştirilmiş zaman ölçeği, değişen periyotlara ve iyileşme sürelerine sahip olanlar da dahil olmak üzere deneyler arasında doğrudan karşılaştırmalara izin verir. Ayrıca, model, farklı türler (örneğin, Saccharomyces cerevisiae ve Schizosaccharomyces pombe) arasındaki hücre döngüsü deneylerini hizalamak için kullanılmıştır, böylece evrimsel benzerlikleri ve farklılıkları ortaya çıkarabilecek hücre döngüsü ölçümlerinin doğrudan karşılaştırılmasını sağlamıştır.

Giriş

Hücre döngüsü boyunca ilerlerken senkronize hücre popülasyonları üzerinde yapılan zaman serisi ölçümleri, hücre döngüsü ilerlemesini kontrol eden mekanizmaları araştırmak için standart bir yöntemdir 1,2,3,4,5,6,7,8 . Senkron / serbest bırakma zaman serisi deneyleri arasında karşılaştırmalar yapabilme yeteneği, bu dinamik süreçleri anlamamız için hayati öneme sahiptir. Bulguları doğrulamak için yinelenen ....

Protokol

1. Hücre döngüsü aşaması ve deneysel verilerin toplanması

1. İstenilen senkronizasyon yöntemini kullanarak hücreleri hücre döngüsüne göre senkronize edin (örneğin, Leman ve ark.18'de tarif edildiği gibi santrifüj elütriasyonu veya Rosebrock 19'da tarif edildiği gibi çiftleşme feromon arresti; hem Leman hem de ark.18 ve Rosebrock ¹⁹ da senkronizasyondan serbest bırakma yöntemlerini içerir). Zaman serisi boyunca örneklemeye başlayın, zaman serisinin en az iki tam hücre döngüsü periyodu uzunluğunda olduğundan emin olun ve en uygun şekilde, hücre döngüsü....

Sonuçlar

Yukarıdaki protokolde ve Şekil 1'deki iş akışında açıklanan adımlar, iki temsili karşılaştırmayı göstermek için beş hücre döngüsü senkronize zaman serisi deneyine uygulanmıştır: farklı senkronizasyon yöntemlerine sahip replikalar (çiftleşme feromonu ve santrifüj elütriasyonu¹⁸) ve dizileme platformları (RNA-dizileme [RNA-seq] ve mikrodizi) arasında ve deneysel koşullar arasında. S. cerevisiae ile çoklu deneyler yapılmış v.......

Tartışmalar

Bu makale, senkronize hücre popülasyonları üzerindeki zaman serisi deneylerinden elde edilen verileri daha doğru ve nicel olarak değerlendirmek için bir yöntem sunmaktadır. Yöntem, her deneyi^14,15 parametrelendirmek için tomurcuklanan veriler ve akış-sitometrik DNA içerik verileri gibi giriş hücresi döngüsü faz verilerini kullanan bir Bayes çıkarım modeli olan CLOCCS'den öğrenilen parametreleri kullanır. CLOCCS, her bir deneyin parametrel.......

Malzemeler

Name	Company	Catalog Number	Comments
2x PBS			For Fixative Solution. Described in Leman 2014.
4% formaldehyde			For Fixative Solution.
100% Ethanol			For flow cytometry fixation. Described in Haase 2002.
CLOCCS			https://gitlab.com/haase-lab-group/cloccs_alignment.git
Flow Cytometer			For flow cytometry protocol.
Git			https://git-scm.com/
Java 19			https://www.oracle.com/java/technologies/downloads/#java19
Microscope			For counting cells and buds.
Miniconda			https://docs.conda.io/en/latest/
Protease solution			For flow cytometry protocol. Described in Haase 2002.
RNAse A solution			For flow cytometry protocol. Described in Haase 2002.
SYTOX Green Nucleic Acid Stain	Invitrogen	S7020	For flow cytometry staining. Described in Haase 2002.
Tris			pH 7.5